AI PRACTICE SHARING · 周会分享

从“问 AI”到
“让 AI 参与交付”

我的近期 AI 实践与学习

2026-08-28 建议时长 6～8 分钟 真实项目实践
大家好，今天分享一下我最近使用 AI 和学习 AI 的一些体会。我的最大感受是：AI 的价值不只是帮我们写一段文字、查一个问题，而是可以进入实际工作流程，帮助我们完成信息整理、需求分析、方案设计、代码验证和知识沉淀。

1我最近把 AI 用在了哪些地方

材料分析

从大量材料中提取真正的问题

在大兴项目中，我让 AI 从实施方案里提取系统改造、数据迁移、工行充值适配、国密、设备与浏览器兼容等内容，并进一步：

  • 提取项目范围、技术要求和验收内容；
  • 对照现有架构检查矛盾；
  • 区分“适配、改造、重构”；
  • 标出服务器、系统关系和安全要求等待确认项。

价值：把“阅读文档”变成“带着技术审查视角阅读文档”。

方案设计

辅助复杂需求和接口分析

三全项目涉及钉钉、魔点、消费机、MQTT 和支付宝付款码等多条链路。我用 AI：

  • 提取业务边界并划分系统职责；
  • 拆分人员同步、人脸识别、就餐资格和真实支付；
  • 检查是否重复建设现有能力；
  • 整理方案、流程图、开发任务和场景矩阵。

教训：人脸就餐解决身份与资格，支付宝付款解决真实资金，两条流程必须分开设计。

工程验证

从“生成代码”升级到“验证代码”

  1. 阅读现有代码和上下游调用；
  2. 分析影响范围和异常场景；
  3. 执行最小范围修改；
  4. 进入真实 Docker 环境运行语法检查和测试；
  5. 核对断言、数据变化和业务结果；
  6. 标清已验证项和待现场确认项。

本机没有 PHP 命令时，先定位项目 Compose 配置和 PHP 容器，再在容器内执行验证。

知识沉淀

让一次性工作变成可复用经验

  • 整理日报、周报和汇报材料；
  • 将会议内容转成结构化需求；
  • 维护有道云笔记和项目资料；
  • 把排查过程沉淀成复用方法；
  • 结合实际工作建立学习路线。

价值：减少的不只是写作时间，也减少了信息散落和重复理解。

真实案例 · 客户问题排查

机场项目：为什么设备消费统计与订单明细金额不一致？

客户现象：机场项目 5 号机按照设备统计和按照人员/订单明细统计，消费笔数看起来一致，但汇总金额存在差异。

① 接收现场材料客户提供两份不同口径、不同时间生成的统计表。
② 明确排查假设检查数据同步、统计公式、筛选范围和退款记录。
③ AI 对比证据核对同一查询区间、消费笔数、支付金额和报表生成时间。
④ 锁定原因两份报表之间新增一笔审核退款，造成金额差异。
关键证据：两份报表消费笔数一致；较早生成的订单明细未包含后续退款，退款在次日审核，金额为 109.40 元；设备统计在退款之后生成，因此已经扣除了该退款。两份报表的差额恰好为 109.40 元。

最终结论：不是数据同步丢失，也不是设备统计与人员统计公式不同，而是两份报表生成时间不同，中间发生了退款状态变化。

AI 带来的价值：先提出可验证的排查假设，再根据时间线和金额做交叉核对，把原本依赖人工逐行比对的问题快速收敛到退款记录。

AI 可以帮助我们快速展开方案，但业务边界必须由人来确认。

2我最近在学什么

我正在补齐一条从传统 PHP 开发走向现代 PHP 和 AI 应用开发的路线：

现代 PHP
PHP 8.x、Laravel、工程实践与更高性能运行方式
AI 应用
Agent 工作机制、工具调用与任务协作
RAG
让 AI 从企业文档和业务知识中检索后再回答
非结构化资料
PDF、Word 的解析与知识库建设

目前也在尝试 PDF 解析和 RAG 小练习。虽然已有自动化测试通过，但换行、表格展开和跨页连续性仍需继续处理。

学一个概念，结合一个实际项目，做一个小练习，再用测试验证，最后记录问题和结论。

3目前形成的一套 AI 使用方法

真实上下文 → AI 分析 → 人确认业务边界 → 方案或代码 → 真实环境验证 → 文档与方法沉淀

上下文要真实

尽量提供现有代码、会议纪要、接口文档、运行环境和业务约束，而不是只给一句需求。

业务边界由人确认

第三方接口、客户口径、设备能力和付款链路，都需要真实资料和实际结果支撑。

产出不等于完成

方案完成 ≠ 开发完成；代码提交 ≠ 部署完成；HTTP 200 ≠ 业务验收完成。必须明确目前验证到了哪一步。

4接下来的计划

  1. 继续学习现代 PHP、Laravel、Agent 和 RAG；
  2. 把近期项目中的文档、接口和排查经验沉淀成可检索的项目知识库；
  3. 继续完善“AI 分析—代码修改—Docker 测试—结果记录”的工程闭环。

总结

AI 最有价值的地方，不是替我们快速给出一个答案，而是帮助我们更快地理解问题、暴露风险、验证结果，并把一次性的经验沉淀成团队可以复用的能力。

三分钟精简讲法

  1. 用机场项目案例说明 AI 如何通过报表时间线和退款金额定位客户问题；
  2. 用 AI 拆解钉钉、魔点、消费机和支付等复杂业务链路；
  3. 从生成代码升级到 Docker 环境中的真实验证；
  4. 围绕 PHP、Laravel、Agent、RAG 建立“学习—练习—测试—记录”闭环。

讲完四个案例后，使用上面的总结句收尾。